免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

落地場景與完全信息

采訪中，胡健向i黑馬＆黑智講了一個場景落地的故事。這個場景是金融行業中的國際結算業務。

國際結算業務不是銀行的最核心的業務，但是業務量大，每年有幾百億元的收入，而且痛點足夠痛，該業務要求審核人員看得懂英文，看得懂合同，是相關專業的碩士。銀行一年需要付給一位審核員20、30萬的工資，而且還不一定可以留得住人。

于是，一覽群智便和某銀行一起打造該業務的解決方案。期間遇到了很多困難，比如幾萬種不同格式的票據，甚至還一些票據有遮擋，怎么樣將票據變成文本結構化信息？這就牽涉到識別OCR、識別票據等。這需要對不同非結構化數據做OCR。其次，識別完之后，需要抽取信息、分詞等。這個階段，一覽群智要給出各種字段，識別合同內涵，比如這份合同講的是一件什么樣的事情？通過報關單上的“無破損”描述判定物品“外觀完好”等；第三，一覽群智還需要解決語義理解的問題。其中還會牽涉到知識圖譜。別無捷徑，通過大量的數據讓機器學會具體的審核邏輯。

“邏輯很簡單，像人做一些腦力勞動的工作一樣，首先能夠看得懂是什么，將圖片變成文字，并將文字變成結構化信息，再把結構化信息跟專家業務產品銜接，這就是知識圖譜，最終去做決策，這是標準的認知過程。”這個過程中，胡健提到針對不同行業，構建一個類似于專家的規則系統，有一個與或非的邏輯。“這個規則系統要被抽象得非常靈活。規則系統與知識圖譜結合的過程中，漸漸地被抽象成一套模具工廠；原來的知識圖譜只適用于單一的業務場景，當它應用于不同類型的場景，就被進一步抽象。每抽象一下，能解決面臨的多場景或者多業務的問題。但突然又來了十幾個不同場景，就會發現原來的知識圖譜或者規則系統還是有問題，那就需要再次抽象。這就跟達爾文的進化論一樣。適者生存，不斷進化，滿足不同需求。如此，產品越來越好用。”

如何沉淀專家經驗？如何構建規則系統？以公安領域的反洗錢為例，一覽群智有著類似的實踐。一般反洗錢偵查中，警察會查一查大的進出口資金的流向，設置一些規則，篩選出現金流出的TOP10的帳戶，并過濾掉正常帳戶，剩下幾個只進不出的黑洞帳戶，或者進出一致的通道帳戶。順藤摸瓜，就能找到背后的主使者。一覽群智將這些專家經驗配置到模型工廠里，把所有數據變成因子，變成與或非，或者決策分析的因子，然后拼出一個決策樹。一個決策樹就是一個經驗。規則系統的建立加上專家經驗輔助決策，才能夠產生化學反應，讓普通民警具備經偵專家的能力。

據公開資料介紹，一覽群智落地的領域除了金融行業，還有公共安全和媒體情報。在這些領域，一覽群智有專門的專家團隊解決行業know－how問題。一覽群智的商業化戰略一直在碰撞中，“為什么人工智能落地難？因為要不斷碰撞。首先先用邏輯篩選一遍，這個邏輯是技術的邏輯，是商業的邏輯，也是與客戶業務相關的邏輯；其次，這些邏輯都符合，才有可能產生10個商業可能性。拿給客戶，被斃掉9個，只剩下1個，那就先做。”

上述案例，有一個不可回避的前提是：目前人工智能的技術限制。現階段，人工智能只能解決一些偏重復式的工作。前面提到的國際結算業務便是偏重復式的、相對閉環的場景。在閉環場景里，一覽群智可以知道所有可能的情況。這和張鈸院士提到的人工智能落地的幾個經濟中的完全性經濟有相似之處。

而在公共安全領域落地的案例，與國際結算業務相比，與人機協同相關，更加復雜。在一個大的任務里人的腦子有限、計算能力有限、存儲能力有限、加工處理能力有限，而機器可以做這些工作。胡健指出，所謂“機器”指的是“把一些大容量的數據全部整干凈”。機器弱點也是明顯的，它無法做出判斷。機器只能對一些已經出現過的，并生成技能樹的相關情況，做出判斷。比如找出涉嫌洗錢的嫌疑人，但這不是最終判斷。人會看一下為什么會認為他有嫌疑？機器的建議再加上人的經驗和知覺，做出最終的判斷。人是有常識的，但機器不知道這些。這些常識需要長年累月的積累。

“我們必須遵從人工智能現階段的技術發展特征，找到最適合的方式去落地。”這是一覽群智的落地思路。“我們盡量做一些確定性的、相對封閉的、完全信息的場景。而且這個場景的數據又是準備好的，且解決完之后，又能夠產生商業價值，有諸多前提。層層限制之下，真正適合AI落地的領域并不多。沒辦法，圈了一下，就這么多。這也是AI公司扎堆落地的原因。”